Un avance revolucionario en la robótica social está cambiando la forma en que las máquinas aprenden a interactuar con los humanos. Investigadores han desarrollado un sistema de simulación que permite entrenar robots sociales sin necesidad de participantes humanos, lo que podría transformar los plazos de desarrollo en este campo.
El estudio, presentado en la Conferencia Internacional de Robótica y Automatización (ICRA) de la IEEE en 2025, fue realizado por un equipo de la Universidad de Surrey y la Universidad de Hamburgo. Su enfoque se basa en un modelo dinámico de predicción de trayectorias visuales que ayuda a los robots a anticipar hacia dónde mirarían los humanos de forma natural durante las interacciones sociales.
"Nuestro método nos permite comprobar si un robot está prestando atención a los elementos correctos, igual que lo haría un humano, sin necesidad de supervisión humana en tiempo real", explica la Dra. Di Fu, coautora del estudio y profesora de Neurociencia Cognitiva en la Universidad de Surrey.
El equipo validó su modelo utilizando dos conjuntos de datos públicos, demostrando que los robots humanoides pueden imitar con éxito los movimientos oculares humanos. Al proyectar mapas de prioridad de la mirada humana en una pantalla, compararon directamente el enfoque de atención predicho por el robot con datos del mundo real, eliminando la necesidad de estudios a gran escala de interacción humano-robot en las primeras fases de la investigación.
Esta innovación aborda un importante cuello de botella en el desarrollo de la robótica social. Hasta ahora, los investigadores necesitaban numerosos participantes humanos para entrenar y probar robots diseñados para entornos sociales como la educación, la sanidad o la atención al cliente. Ejemplos de estos robots son Pepper, un asistente de ventas, y Paro, un robot terapéutico para pacientes con demencia.
Al permitir a los investigadores probar y perfeccionar modelos de interacción social a gran escala mediante simulación antes de su despliegue en el mundo real, este avance podría acelerar drásticamente el ciclo de desarrollo de los robots sociales, a la vez que reduce costes y mejora su eficacia en entornos humanos.